參考博客：https://blog.csdn.net/weixin_44170512/article/details/103990592
（本文中部分內容引自參考博客，請大家支持原作者！）
感謝大佬的教程，真的非常的通俗易懂！
這里我安裝的是Tensorflow2.3cuda版，也就是GPU版本，要安裝CPU版本的小伙伴請勿參考本文！
安裝步驟
注意：1.安裝過程中需要C盤預留出10~15G左右的空間（實際上不需要這么多，為了保險起見盡量多留一些空間）
2.GPU版本需要你電腦的GPU支持Cuda的相應版本才能安裝（如果你是老式獨顯或者集顯務必注意！），詳情參考后面的Tensorlow安裝指南中的信息。
3.除必要文件會默認安裝在C盤之外，其他文件可自行選擇安裝位置（也就是說只要是能夠選擇安裝路徑的你就可以放到自己想存放的位置）
4.如果你想要安裝的版本與本文所介紹的不同，酌情參考。雖然大部分能夠套用，但是Tensorflow與cuda以及cuDNN的版本對應關系請自行查找。
1.安裝合適版本的python
首先你需要安裝一個版本合適的python（在這里下載）以及一個能夠編譯運行python程序的編譯器。
在Tensorflow安裝指南可以查看安裝最新版Tensorflow的python版本要求，下載合適的版本即可。
2.安裝Anaconda3
安裝Tensorflow之前我們需要安裝一些前置文件，其中包括Anaconda3。
Anaconda指的是一個開源的Python發行版本，其包含了conda、Python等180多個科學包及其依賴項，它自帶的IDE和環境包可以讓我們正常使用我們所安裝的python。
打開Anaconda的下載頁選擇正確的系統，選擇Python最新版本的下載鏈接即可開始下載。
（圖片上為py3.8版本，如果需要其他版本的python自行下載安裝即可，anaconda上可以運行絕大多數版本的python）
安裝包下載完成后根據提示安裝即可。
3.安裝CUDA
CUDA是基於NVIDIA顯卡的加速庫，我們安裝它以利於深度學習框架在NVIDIA的GPU顯卡的加速運算。但在我們開始安裝CUDA之前，請先確認計算機上是否有支持CUDA程序的NVIDIA顯卡設備。如果計算機上沒有NVIDIA顯卡，則無法安裝CUDA程序，應直接進入TensorFlow框架的安裝。
CUDA的安裝主要分成三個步驟。第一步：下載CUDA安裝包，完成CUDA軟件的安裝；第二步：下載並配置cuDNN深度神經網絡加速庫；第三步：配置環境變量。
3.1.下載安裝包
進入CUDA軟件下載頁，選擇 CUDA Toolkit 10.1 (Feb 2019), Online Documentation，點擊之后依次選擇Operating System，Version選擇10，Installer Type選擇exe（local），點擊Download開始下載，安裝包大小約為2.4GB。（最新版本的TensorFlow2.3匹配的是10.1版本的CUDA Toolkit，因此我們下載10.1版本，否則后續TensorFlow框架的安裝會出錯，提示找不到動態鏈接庫文件的信息，如需下載其他版本的cuda請自行匹配cuda與cuDNN的版本）
下載完成后打開安裝程序，任意選擇安裝路徑並點擊OK，然后進入安裝界面選擇精簡安裝即可。
安裝完畢后，按Win+R打開Windows並輸入cmd，隨后輸入nvcc -V。
若返回CUDA的版本信息即為安裝成功，若提示無法找到該命令等提示則安裝失敗。
3.2.cuDNN神經網絡加速庫安裝
CUDA並非針對於神經網絡加速的GPU加速庫，如果希望針對神經網絡進行加速，我們還需要安裝額外的神經網絡加速庫cuDNN。cuDNN並非一個應用程序，我們只需將它下載下來並解壓到CUDA的bin目錄下即可。
打開cuDNN的下載頁，選擇“Download cuDNN”。請注意，若要下載cuDNN，必須先登錄NVIDIA的賬戶。因此，用戶需要登錄或者注冊NVIDIA用戶才可下載cuDNN，可使用QQ或微信驗證郵箱注冊登錄。登錄賬戶后，進入cuDNN的下載界面，勾選“I Agree To the Terms of the cuDNN Software License Agreement”，即可顯示cuDNN的下載版本選項。（請注意：我們一定要選擇與安裝的CUDA版本相匹配的cuDNN，即選擇Download cuDNN v7.6.5 (November 5th, 2019), for CUDA 10.1，若安裝的CUDA為其他版本 請自行匹配版本）
若所需版本為舊版本則展開舊版本列表尋找即可，並選擇與自己操作系統對應的版本。（這里我選擇的是Win10)
下載完成后，我們將其解壓，並將里面的cuda文件夾復制到CUDA的安裝目錄下。此處可能彈出需要管理員權限的提示信息，點擊繼續即可。
3.3.配置環境變量
上述步驟完成后已經表明cuDNN安裝完成。但是，我們還需要讓計算機感知到cuDNN文件的具體位置，因此我們需要配置系統環境變量。回到桌面，點擊“此電腦”，右鍵選擇“屬性”，在“控制面板主頁”中選擇“高級系統設置”，在彈出的對話框中點擊“環境變量”，進入環境變量編輯對話框。
在“系統變量”一欄中找到Path變量，點擊“編輯”，然后點擊“新建”，添加cuDNN的安裝路徑“C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\cuda\bin”，並點擊“向上移動”將其置頂。
CUDA安裝完畢后，系統環境變量應包括：“C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\cuda\bin”；“C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\bin”；“C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\libnvvp”。具體位置可能隨着安裝目錄的不同而不同。確認無誤后點擊“確定”，退出環境變量的配置對話框（注意，一定要點確定）。
3.安裝Tensorflow
這里使用Anaconda自帶的“ANACONDA Prompt”進行安裝，可以在開始菜單欄中找到它。
打開后輸入“pip install -U tensorflow-gpu -i https://pypi.tuna.tsinghua.edu.cn/simple”，此命令將會自動下載TensorFlow並安裝。“-U”參數指定如果已安裝此包，則進行升級命令，輸入指令后系統會自動完成安裝。（由於我的電腦上已經安裝過了這里不再截圖安裝過程）
現在我們來測試TensorFlow2.3版本是否已經安裝成功。打開Python交互式命令終端。輸入“import tensorflow as tf”命令，若無錯誤提示信息，輸入“tf.test.is_gpu_available()”命令。此命令會返回一系列以“I”（Information）開頭的信息，其中含有可用的GPU顯卡設備信息。如果為“True”，則代表TensorFlow的GPU版本安裝成功。若返回的是“False”，則說明安裝失敗，需要重新檢測CUDA，cuDNN的安裝及其環境變量的配置。注意看返回的錯誤信息，重點檢測是否是CUDA和cuDNN的版本與TensorFlow的版本不匹配（我第一次安裝失敗就是因為安裝了19年版本的CUDA10.1然后安裝了20年版本的cuDNN(for cuda10.1)所以返回了False，請務必仔細核對版本是否匹配已經環境變量是否設置正確）。
到這里Tensorflow2.3的安裝教程就結束了，希望大家能夠順利安裝！(ง •_•)ง